《機(jī)器學(xué)習(xí)vs復(fù)雜系統(tǒng)》從跨學(xué)科視角來(lái)看待人工智能這個(gè)技術(shù)性的學(xué)科。圍繞用數(shù)學(xué)模型預(yù)測(cè)未來(lái)這一主題，介紹算法，主要包括現(xiàn)在流行的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法，以及算法要解決問題本身的復(fù)雜性。復(fù)雜的問題，需要復(fù)雜的算法，而算法設(shè)計(jì)背后的老師正是自然界的復(fù)雜性本身。

最終，我們上升到自然界解決復(fù)雜性最有利的工具，即人類智能本身，讓讀者從神經(jīng)科學(xué)的角度再次理解人工智能這個(gè)大主題，理解神經(jīng)科學(xué)是如何啟發(fā)人工智能的，而人工智能又如何幫助我們理解人類智能本身。

《機(jī)器學(xué)習(xí)vs復(fù)雜系統(tǒng)》既適合具有高中以上數(shù)學(xué)知識(shí)的一般讀者，作為他們了解人工智能和復(fù)雜系統(tǒng)領(lǐng)域的科普讀物；也適合已經(jīng)在人工智能領(lǐng)域工作的專業(yè)人士，使他們從工程視角之外的更大視角去看待這一領(lǐng)域，獲得新的啟發(fā)。

目錄

第一部分 復(fù)雜性
1 復(fù)雜系統(tǒng)
2 用復(fù)雜網(wǎng)絡(luò)看世界經(jīng)濟(jì)（閱讀難度1星）
3 風(fēng)險(xiǎn)管理策略之復(fù)雜科學(xué)視角
4 從物理角度看復(fù)雜
第二部分 機(jī)器學(xué)習(xí)
5 白話機(jī)器學(xué)習(xí)（閱讀難度1星）
6 淺談貝葉斯分析
7 簡(jiǎn)單貝葉斯分類器（閱讀難度1星）
8 決策樹方法（閱讀難度2星）
9 感知機(jī)：神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)（閱讀難度3星）
10 降維：應(yīng)對(duì)復(fù)雜的通用武器（閱讀難度1星）
第三部分 神經(jīng)網(wǎng)絡(luò)
11 神經(jīng)網(wǎng)絡(luò)不神秘
12 CNN 的幾個(gè)關(guān)鍵詞（閱讀難度3星）
13 時(shí)間序列與RNN
14 會(huì)遺忘的神經(jīng)網(wǎng)絡(luò)（閱讀難度3星）
15 跟著AlphaGo 理解深度強(qiáng)化學(xué)習(xí)框架（閱讀難度3星）
16 從阿爾法元看強(qiáng)化學(xué)習(xí)的更廣闊潛力
第四部分 宇宙間最復(fù)雜的就是我們的大腦
17 深層視覺信息的編碼機(jī)制（閱讀難度1星）
18 大腦的自由能假說――兼論認(rèn)知科學(xué)與機(jī)器學(xué)習(xí)（閱讀難度2星）
19 大腦中的支持向量機(jī)（閱讀難度3星）
20 機(jī)器學(xué)習(xí)是如何巧妙理解我們大腦的工作原理的
21 大腦經(jīng)濟(jì)學(xué)（閱讀難度1星）
22 人工智能vs 人類智能（閱讀難度2星）
第五部分 人工智能應(yīng)用談
23 人工智能會(huì)取代藝術(shù)家的工作嗎
24 機(jī)器學(xué)習(xí)預(yù)測(cè)心理疾病
25 人機(jī)協(xié)作決策的兩種方式
26 小數(shù)據(jù)機(jī)器學(xué)習(xí)
27 用深度學(xué)習(xí)玩圖像的七重關(guān)卡
28 深度學(xué)習(xí)助力基因科技
29 機(jī)器學(xué)習(xí)對(duì)戰(zhàn)復(fù)雜系統(tǒng)